모델이 그렇게 좋다면 OpenAI는 왜 회사 100개를 직접 안 차릴까
Ask HN: If the models are so good, why doesn't OpenAI just start 100 companies?
TL;DR Highlight
HN 댓글 답: 코드는 쉬워도 뭘 만들지 아는 건 별개라 토큰을 판다
Who Should Read
LLM API로 제품을 만들면서 'AI가 다 해주면 우리 사업은 뭐가 남나' 고민하는 개발자·창업자
Core Mechanics
- 원문 없이 댓글 토론만 있다
- 글 본문은 비어 있고 질문 제목과 댓글만 있다.
- 그래서 이 글은 원문 주장이 아니라 커뮤니티 의견 모음이다.
- 질문은 '모델이 좋으면 직접 회사를 차리면 되지 않나'다
- 제목이 곧 질문이다.
- 별도의 원문 데이터나 수치는 제공되지 않았다.
Community Reactions
- 코드 작성은 쉬운 부분이라는 의견
- 디자인 서비스 업계 종사자는 제품이 망하는 이유가 잘못된 요구사항과 시장 적합성 부족이라고 했다.
- LLM은 코드를 하루 종일 짜도 무엇을 만들지 알 판단력이 없다는 주장이다.
- 토큰 판매는 위험 없는 수익이라는 의견
- 골드러시에서 삽을 파는 쪽이 돈을 번다는 비유가 여러 댓글에 나왔다.
- 앱스토어에서 Apple이 모든 앱을 만들지 않는 것과 같다는 댓글도 있었다.
- 경쟁 상대가 되면 고객이 떠난다는 의견
- 직접 회사를 차리면 고객이 지식 데이터 공유를 꺼리고 규제 당국이 움직일 수 있다는 댓글이 있었다.
- 모델 학습이 외부 사용자의 입력에 도움을 받는다는 점도 이유로 꼽혔다.
- AI 카페 실험 사례가 소개됐다
- Andon Labs가 Gemini 기반 에이전트 'Mona'에게 스웨덴 카페 운영을 맡겼다는 기사가 링크됐다.
- 고무장갑을 수천 개 주문하는 등 의문스러운 결정이 있었다는 내용이다.
- 집중과 자원 한계 때문이라는 의견
- OpenAI와 Anthropic은 최고 모델 경쟁에 집중해야 해서 하류 사업에 쓸 여력이 없다는 댓글이 있었다.
- 모델 지능이 들쭉날쭉(jagged)해서 사업 운영처럼 여러 능력이 이어지는 일에 약하다는 의견도 있었다.
How to Apply
- 우리 제품의 해자를 점검하기
- 오늘 30분 동안 코드 외에 우리가 가진 고객 관계와 도메인 지식을 목록으로 적자.
- 이 목록이 에이전트가 대체하기 어려운 부분이다.
- 에이전트에 맡길 범위를 나누기
- 요구사항 정의와 시장 판단은 사람이 하고 구현은 LLM에 맡기는 구조로 작업 흐름을 짜자.
Terminology
관련 논문
OpenShell: 자율 AI 에이전트를 가두는 NVIDIA의 안전한 샌드박스 런타임
정책 파일로 에이전트의 파일·네트워크·자격증명 접근을 커널 수준에서 통제한다
Omnara: Claude Managed Agents의 오픈소스 대안 (셀프호스팅 가능)
어떤 모델·머신에서도 에이전트를 돌리는 오픈소스 managed agent 플랫폼
Rust off Rails: 코드 없이 Markdown 60개로 만든 AI 에이전트용 웹 스택
Markdown 규칙 60개로 에이전트가 Rust 웹앱을 짜게 한다는 프레임워크
LayerFS: AI 코딩 에이전트를 위한 파일시스템
에이전트마다 임시 Workspace를 마운트하고 결과만 커밋하는 파일시스템
Launch HN: Alter (YC S25) – 멀티유저 에이전트용 접근 제어
에이전트마다 별도 신원·정책·감사로 API 키 공유 문제를 푼다
Claude로 코드의 공격 표면(attack surface) 줄이기
Claude로 25개 오픈소스를 분석해 불필요하게 열린 코드 493건을 찾았다
WhatsApp 도움말 페이지에 숨겨진 LLM 지시문: 규제기관을 추천하지 말라
WhatsApp 도움말에 화면엔 안 보이는 AI 지시문 102개가 숨어 있었다
같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나
긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복